[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

EP3736758A1 - Verfahren zur schadenserfassung bei einem kraftfahrzeug - Google Patents

Verfahren zur schadenserfassung bei einem kraftfahrzeug Download PDF

Info

Publication number
EP3736758A1
EP3736758A1 EP20173225.2A EP20173225A EP3736758A1 EP 3736758 A1 EP3736758 A1 EP 3736758A1 EP 20173225 A EP20173225 A EP 20173225A EP 3736758 A1 EP3736758 A1 EP 3736758A1
Authority
EP
European Patent Office
Prior art keywords
vehicle
damage
motor vehicle
database
damaged
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
EP20173225.2A
Other languages
English (en)
French (fr)
Inventor
Andreas Witte
Nicolas Witte
Sebastian Schoenen
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ControlExpert GmbH
Original Assignee
ControlExpert GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=70613626&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=EP3736758(A1) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by ControlExpert GmbH filed Critical ControlExpert GmbH
Publication of EP3736758A1 publication Critical patent/EP3736758A1/de
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0278—Product appraisal
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/10—Payment architectures specially adapted for electronic funds transfer [EFT] systems; specially adapted for home banking systems
    • G06Q20/102—Bill distribution or payments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Definitions

  • the vehicle model of the motor vehicle 1 has been determined so that the second database and / or the third database and / or the fourth database have been provided according to the vehicle model of the motor vehicle 1, in this case an Opel / Vauxhall - Adam from 2012, three-door body .
  • the vehicle model can be determined via automatic recognition of the vehicle identification number (VIN) of the vehicle, for example as in FIG DE 10 2019 109 941 described.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Educational Administration (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Technology Law (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zur Schadenserfassung bei einem Kraftfahrzeug (1) anhand wenigstens einer Bilddatei (2) des beschädigten Kraftfahrzeuges (1), wobei das Verfahren die folgenden Schritte beinhaltet:Feststellen, anhand der wenigstens einen Bilddatei (2), für eine Mehrzahl vorbestimmter Fahrzeugzonen (3) des Kraftfahrzeuges (1), ob eine Beschädigung der Fahrzeugzone (3) vorliegt, unter Verwendung einer ersten Datenbank, die Informationen zu den Fahrzeugzonen (3) des Kraftahrzeugs (1) beinhaltet, und eines künstlichen neuronalen Netzwerkes, das auf die Erkennung von Schäden in vorbestimmten Fahrzeugzonen (3) von Kraftfahrzeugen (1) trainiert ist,Bestimmen einer Schadensstärke (5) für die Fahrzeugzonen (3), für die eine Beschädigung festgestellt worden ist, anhand der Bilddatei (2) und unter Verwendung der ersten Datenbank und des künstlichen neuronalen Netzwerkes,Ermitteln eines Beschädigungsgrades für jedes einzelne Fahrzeugteil (6) innerhalb jeder beschädigten Fahrzeugzone (4) anhand der Schadensstärke (5) der beschädigten Fahrzeugzone (4), mittels einer zweiten Datenbank, die jedes in der beschädigten Fahrzeugzone (4) vorhandene Fahrzeugteil (6) sowie dessen Beschädigungsgrad als Funktion der Schadensstärke (5) der beschädigten Fahrzeugzone (4) widergibt,Entscheiden für jedes beschädigte Fahrzeugteil (6), ob eine Instandsetzung des Fahrzeugteiles (6) durchgeführt werden kann oder eine Erneuerung des Fahrzeugteiles (6) notwendig ist, anhand des Beschädigungsgrades des Fahrzeugteiles (6) und mittels einer dritten Datenbank, die das Resultat dieser Entscheidung als Funktion des Beschädigungsgrades des Fahrzeugteils beinhaltet. Auf diese Weise wird ein Verfahren zur Abwicklung der Schadenserfassung bei einem Kraftfahrzeug (1), anhand wenigstens einer Bilddatei (2) des beschädigten Kraftfahrzeugs (1), bereitgestellt, das präzise ist und schnell und effektiv durchgeführt werden kann.

Description

  • Die Erfindung betrifft ein Verfahren zur Schadenserfassung bei einem Kraftfahrzeug anhand einer Bilddatei des beschädigten Kraftfahrzeugs.
  • Mit steigendem Verkehrsaufkommen kommt es auch immer häufiger zu Verkehrsunfällen. Nach einem Verkehrsunfall ist es zunächst notwendig, festzustellen auf welche Summe sich der Unfallschaden beläuft, bevor der entstandene Schaden mit der Versicherung des Unfallverursachers abgewickelt werden kann. Unter technischen Aspekten bedeutet dies, dass ermittelt werden muss, welche Teile des Kraftfahrzeugs beschädigt sind und damit einer Reparatur oder eines Austauschs bedürfen.
  • Zur Ermittlung des Unfallschadens wird oft ein Kraftfahrzeug-Sachverständiger (Kfz-Sachverständiger) bestellt, der das Fahrzeug bzw. die Fahrzeuge inspiziert, um den Unfallschaden abschätzen zu können. Dieser Kfz-Sachverständige kann ein Gutachten verfassen, anhand dessen die aufkommende Versicherung den Schaden an dem Unfallwagen bzw. an den Unfallwägen erkennen und damit beziffern kann und anhand dessen der Geschädigte aufzeigen kann, welchen Schaden sein Fahrzeug hat.
  • Allerdings ist das Bestellen eines Kfz-Sachverständigen mit großem Zeitaufwand für alle beteiligten Parteien verbunden und die Zeitdauer der Abwicklung des Schadens mit der aufkommenden Versicherung kann oft bei mehreren Wochen liegen. Es kommt außerdem nicht selten vor, dass die Versicherung des Unfallverursachers bzw. des Geschädigten verschiedene Kfz-Gutachten einholen, die einander widersprechen, sodass es zu einem langatmigen Rechtsstreit kommen kann.
  • Davon ausgehend ist es die Aufgabe der Erfindung, ein Verfahren zur Schadenserfassung bei einem Kraftfahrzeug bereitzustellen, das präzise ist und schnell, effektiv und wiederholbar durchgeführt werden kann.
  • Diese Aufgabe wird durch den Gegenstand des Patentanspruchs 1 gelöst. Bevorzugte Weiterbildungen finden sich in den Unteransprüchen.
  • Erfindungsgemäß ist ein Verfahren zur Schadenserfassung bei einem Kraftfahrzeug anhand einer Bilddatei des beschädigten Kraftfahrzeuges vorgesehen, wobei das Verfahren die folgenden Schritte beinhaltet:
    • Feststellen, anhand der Bilddatei, für eine Mehrzahl vorbestimmter Fahrzeugzonen des Kraftfahrzeuges, ob eine Beschädigung der Fahrzeugzone vorliegt, unter Verwendung einer ersten Datenbank, die Informationen zu den Fahrzeugzonen des Kraftahrzeugs beinhaltet, und eines künstlichen neuronalen Netzwerkes, das auf die Erkennung von Schäden in vorbestimmten Fahrzeugzonen von Kraftfahrzeugen trainiert ist,
    • Bestimmen einer Schadensstärke für die Fahrzeugzonen, für die eine Beschädigung festgestellt worden ist, anhand der Bilddatei und unter Verwendung der ersten Datenbank und des künstlichen neuronalen Netzwerkes,
    • Ermitteln eines Beschädigungsgrades für jedes einzelne Fahrzeugteil innerhalb jeder beschädigten Fahrzeugzone anhand der Schadensstärke der beschädigten Fahrzeugzone, mittels einer zweiten Datenbank, die in der Fahrzeugzone vorhandene Fahrzeugteile sowie deren Beschädigungsgrad als Funktion der Schadensstärke der Fahrzeugzone beinhaltet,
    • Entscheiden für jedes beschädigte Fahrzeugteil, ob eine Instandsetzung des Fahrzeugteiles durchgeführt werden kann oder eine Erneuerung des Fahrzeugteiles notwendig ist, anhand des Beschädigungsgrades des Fahrzeugteiles mittels einer dritten Datenbank, die das Resultat dieser Entscheidung als Funktion des Beschädigungsgrades des Fahrzeugteils beinhaltet.
  • Durch das erfindungsgemäße Verfahren wird eine präzise Erfassung des Schadens ermöglicht, die ohne die aufwändige Anreise eine Kfz- Sachverständigen erfolgen kann und somit mit einem wesentlich geringeren Zeitaufwand verbunden ist. Darüber hinaus hat das erfindungsgemäße Verfahren den Vorteil, dass die Erfassung des Schadens des Kraftfahrzeuges nicht im Ermessen des Gutachters liegt, sondern der Schaden objektiv ermittelt wird. Wenn vorliegend von "Schaden des Kraftfahrzeuges" bzw. von "Unfallschaden" gesprochen wird, ist damit unter technischen Aspekten gemeint, welche Teile des Kraftfahrzeugs durch den Unfall beschädigt worden sind und in welchem Ausmaß.
  • Diese Erfassung des Schadens wird insbesondere durch die Definition der Fahrzeugzonen ermöglicht, die die Komplexität der Schadenserfassung deutlich reduziert, da ein Kraftfahrzeug aus mehreren Tausend Einzelteilen besteht. In dem erfindungsgemäßen Verfahren wird jedoch nicht direkt die Beschädigung jedes dieser Einzelteile, sondern zuerst die Schadensstärke der einzelnen Fahrzeugzonen ermittelt. Mittels dieser Schadensstärke kann dann die Beschädigung jedes einzelnen Fahrzeugteils ermittelt werden. Somit bedeutet das erfindungsgemäße Verfahren einen wesentlich geringeren Aufwand als ein anderes denkbares automatisiertes Verfahren, bei dem der Schaden der einzelnen Fahrzeugteile direkt mittels eines künstlichen neuronalen Netzwerkes erfasst werden würde.
  • Grundsätzlich kann die Schadenserfassung anhand einer beliebigen Zahl von Fahrzeugzonen erfolgen. Gemäß einer Weiterbildung der Erfindung werden allerdings zwischen 20 und 100 Fahrzeugzonen verwendet, besonders bevorzugt zwischen 25 und 60, ganz besonders bevorzugt zwischen 30 und 50.
  • Gemäß einer bevorzugten Weiterbildung der Erfindung ist es außerdem vorgesehen, dass das künstliche neuronale Netzwerk Deep Learning-Technologie verwendet. Es sei jedoch darauf hingewiesen, dass das erfindungsgemäße Verfahren nicht auf die Verwendung eines künstlichen neuronalen Netzwerkes beschränkt ist, das Deep Learning-Technologie verwendet.
  • Grundsätzlich kann mittels des Verfahrens lediglich eine Ermittlung des Schadens des Kraftfahrzeuges erstellt werden. Gemäß einer bevorzugten Weiterbildung der Erfindung ist jedoch ein Verfahren vorgesehen, das die folgenden weiteren Schritte beinhaltet:
    • Bestimmen der für die Erneuerung der zu erneuernden Fahrzeugteile notwendigen Ersatzteile mittels einer vierten Datenbank, die eine Auflistung der Ersatzteile für jedes Fahrzeugteil und der mit Instandsetzung oder Erneuerung jedes Fahrzeugteiles verbundenen Reparaturschritte sowie vorzugsweise auch deren Kosten beinhaltet, und
    • Bestimmen der für die Instandsetzung oder Erneuerung der beschädigten Fahrzeugteile notwendigen Arbeitsschritte und Ersatzteile mittels der vierten Datenbank.
  • Mittels dieser Weiterbildung erfolgt zusätzlich zur Ermittlung des Schadens eine Ermittlung der notwendigen Reparaturschritte sowie Ersatzteile sowie ggf. auch der damit verbundenen Kosten.
  • Gemäß einer weiteren bevorzugten Weiterbildung der Erfindung ist außerdem vorgesehen, dass das Verfahren die folgenden weiteren Schritte beinhaltet:
    • Ermitteln der mit jedem notwendigen Ersatzteil und jedem notwendigen Arbeitsschritt verbundenen Kosten mittels der vierten Datenbank und
    • Ermitteln der gesamten Reparaturkosten durch Summieren der ermittelten Kosten der notwendigen Arbeitsschritte und Ersatzteile.
  • Mittels dieser Weiterbildung erfolgt zusätzlich zu der Ermittlung der notwendigen Reparaturschritte sowie Ersatzteile eine vollständige Ermittlung des Unfallschadens, anhand der die Summe der Reparaturkosten abgeschätzt werden kann.
  • Grundsätzlich kann die vierte Datenbank auf mehreren Datenquellen basieren. Gemäß einer bevorzugten Weiterbildung der Erfindung ist allerdings vorgesehen, dass die vierte Datenbank auf einem statischen Modell beruht, das auf historischen Daten basiert. Gemäß einer zusätzlichen oder alternativen bevorzugten Weiterbildung der Erfindung ist vorgesehen, dass die vierte Datenbank, zumindest teilweise, auf einem kalkulatorischen Modell basiert, das auf aktuelle Datenbanken zur Ermittlung von Reparatur- und Austauschmethoden zurückgreift.
  • Grundsätzlich kann die Schadenserfassung unabhängig vom Fahrzeugmodell des beschädigten Kraftfahrzeuges erfolgen. Gemäß einer bevorzugten Weiterbildung der Erfindung ist allerdings vorgesehen, dass das Verfahren zur Schadenserfassung die folgenden weiteren Schritte beinhaltet:
    • Ermitteln der Fahrzeugidentifikationsnummer des Kraftfahrzeuges,
    • Bestimmen des Fahrzeugmodells des Kraftfahrzeuges und
    • Bereitstellen der zweiten Datenbank und/oder der dritten Datenbank und/oder der vierten Datenbank entsprechend dem Fahrzeugmodell des Kraftfahrzeuges.
  • Gemäß dieser Weiterbildung der Erfindung können die zweite Datenbank, die jedes in der Fahrzeugzone vorhandene Fahrzeugteil sowie dessen Beschädigungsgrad als Funktion der Schadensstärke der Fahrzeugzone widergibt, die dritte Datenbank, die auf diese Entscheidung anhand eines Beschädigungsgrades des Fahrzeugteils spezialisiert ist, und die vierte Datenbank, die auf die Ermittlung notwendiger Ersatzteile und Reparaturschritte sowie deren Kosten abgestimmt ist, gemäß dem beschädigten Fahrzeugmodell bereitgestellt werden, was die Präzision der Schadenserfassung erhöht.
  • Grundsätzlich kann die Erfassung des Schadens des Kraftfahrzeuges ohne weitere Überprüfung ausgegeben werden. Gemäß einer bevorzugten Weiterbildung der Erfindung ist allerdings vorgesehen, dass die durch das Verfahren zur Schadenserfassung vorgeschlagene Erfassung des Schadens des Kraftfahrzeuges zur Annahme oder Korrektur durch einen Nutzer ausgegeben wird und nach Eingabe einer Annahme bzw. Korrektur durch den Nutzer eine angenommene bzw. korrigierte Erfassung zum weiteren Lernen des künstlichen neuronalen Netzwerkes verwendet wird. Diese Weiterbildung sieht die Möglichkeit vor, dass der Nutzer, insbesondere ein Kfz-Sachverständiger, die vorgeschlagene Erfassung des Schadens prüfen und gegebenenfalls korrigieren kann. Mittels dieser Korrektur kann das künstliche neuronale Netzwerk weitergebildet und es kann zu dessen Lernprozess beigetragen werden, sodass zukünftige Schadenserfassungen akkurater erfolgen können.
  • Grundsätzlich kann die Bilddatei von einer beliebigen Quelle stammen. So kann die Bilddatei insbesondere händisch oder automatisch von dem Kraftfahrzeug nach dem Unfall aufgenommen worden sein. Gemäß einer bevorzugten Weiterbildung der Erfindung ist allerdings vorgesehen, dass, wenigstens unterstützend, eine durch eine in das beschädigte Kraftfahrzeug und/oder ein anderes in den Unfall verwickeltes Kraftfahrzeug eingebaute Dashcam aufgenommene Bilddateien zur Schadenserfassung verwendet werden.
  • Grundsätzlich kann die Erfassung des Schadens des Kraftfahrzeuges ohne visuelle Darstellung ausgegeben werden. Gemäß einer bevorzugten Weiterbildung der Erfindung ist allerdings vorgesehen, dass auf einem Bildschirm eine Anzeige der beschädigten Fahrzeugzonen auf einem dreidimensionalen Modell des Kraftfahrzeuges mittels eines Augmented Reality Kits, ARKits, erfolgt. Diese Weiterbildung hat die Funktion, dass der Nutzer den Schaden und dessen einzelnen Komponenten visualisieren kann und somit einen klaren Überblick über den entstandenen Schaden bekommt.
  • Grundsätzlich kann die Erfassung des Schadens des Kraftfahrzeuges durch ein beliebiges Gerät und mit von einer beliebigen Quelle bereitgestellten Bilddateien erfolgen. Gemäß einer bevorzugten Weiterbildung der Erfindung ist allerdings vorgesehen, dass das Verfahren zur Schadenserfassung im Rahmen einer App erfolgt, die auf einem Smartphone oder Tablet installiert ist oder als Web-Anwendung auf einem Smartphone oder Tablet online ausgeführt werden kann, wobei die Bilddateien zur Schadenserkennung mittels des Smartphones bzw. Tablets aufgenommen und/oder bereitgestellt werden.
  • Gemäß einer weiteren bevorzugten Weiterbildung der Erfindung ist außerdem vorgesehen, dass die App dem Nutzer Anweisungen zur korrekten Aufnahme der Bilddateien bzw. Bereitstellung der Bilddateien gibt und den Nutzer gegebenenfalls auffordert, weitere Bilddateien aufzunehmen bzw. bereitzustellen. Die Bereitstellung des erfindungsgemäßen Verfahrens im Rahmen einer App hat die Wirkung, dass das erfindungsgemäße Verfahren grundsätzlich jedem Tablet- oder Smartphone- Benutzer zur Verfügung steht. Dies hat den Effekt, dass im Falle eines Unfalls der Geschädigte, sofern er ein Smartphone oder Tablet mit sich führt, direkt vor Ort das erfindungsgemäße Verfahren anwenden kann, um den Unfallschaden zu erfassen. Dies hat den Vorteil, dass die Schadensabwicklung wesentlich schneller und unkomplizierter abläuft, als bei Bestellung eines Kfz-Sachverständigen und einem Geschädigten insbesondere direkt zur Verfügung steht.
  • Gemäß einer weiteren bevorzugten Weiterbildung der Erfindung ist vorgesehen, dass mittels der App das Auslesen von Meta-Daten des Smartphones oder Tablets, insbesondere des GPS-Signals des Smartphones oder Tablets, erfolgt. Gemäß einer weiteren bevorzugten Weiterbildung der Erfindung ist außerdem vorgesehen, dass innerhalb der App eine Anzeige von Werkstätten und/oder Abschleppunternehmen in der Umgebung sowie deren Kontaktdaten erfolgt. Diese Weiterbildung erlaubt es dem Nutzer, eine Übersicht der naheliegenden Werkstätten und Abschleppunternehmen zu erhalten, sodass dieser direkt entscheiden kann, wo er das beschädigte Kraftfahrzeug reparieren lassen möchte. Dies hat den Vorteil, dass dem Nutzer eine aufwändige Suche nach Werkstätten und/oder Abschleppunternehmen erspart bleibt und dass die Schadensabwicklung somit weiter beschleunigt werden kann.
  • Grundsätzlich kann die Erfassung des Schadens des Kraftfahrzeuges ohne die Ausgabe weiterer Informationen erfolgen. Gemäß einer bevorzugten Weiterbildung der Erfindung ist allerdings vorgesehen, dass eine Warnung ausgegeben wird, sofern die Schadenserfassung ermittelt hat, dass das Kraftfahrzeug nicht weiter fahrtauglich ist. Die hat die wichtige Funktion, dass vermieden werden kann, dass ein nicht mehr fahrtaugliches Fahrzeug im Straßenverkehr bewegt wird, und den Vorteil, dass eine Gefährdung anderer Straßenverkehrsteilnehmer durch ein nicht mehr fahrtaugliches Fahrzeug ausgeschlossen wird.
  • Grundsätzlich kann lediglich eine Erfassung des Schadens des Kraftfahrzeuges ohne die Ermittlung des Wiederbeschaffungswertes des Kraftfahrzeuges erfolgen. Gemäß einer bevorzugten Weiterbildung der Erfindung ist allerdings vorgesehen, dass der Wiederbeschaffungswert des Kraftfahrzeuges ermittelt wird und ein Vergleich der Reparaturkosten mit dem Wiederbeschaffungswert erfolgt, sodass der Geschädigte entscheiden kann, sich entweder die Reparaturkosten bzw. die Wiederbeschaffungskosten direkt auszahlen zu lassen oder das Kraftfahrzeug zu einer Werkstatt zu bringen und dort reparieren zu lassen. Dies hat die Funktion, dass der Unfallschaden direkt abgewickelt werden kann, was den Vorteil hat, dass die Schadensabwicklung mit minimalem Aufwand von statten geht.
  • Nachfolgend wird die Erfindung anhand eines bevorzugten Ausführungsbeispiels unter Bezugnahme auf die Zeichnungen weiter im Detail erläutert.
  • In der Zeichnung zeigen
    • Fig. 1
    eine schematische Darstellung der Schritte des erfindungsgemäßen Verfahrens zur Schadenserfassung bei einem Kraftfahrzeug anhand einer Bilddatei des beschädigten Kraftfahrzeugs gemäß einem bevorzugten Ausführungsbeispiel der Erfindung und
    Fig. 2
    die Ausgabe der Schadenserfassung gemäß einem bevorzugten Ausführungsbeispiel der Erfindung.
  • Fig. 1 zeigt schematisch die Schritte des erfindungsgemäßen Verfahrens zur Schadenserfassung bei einem Kraftfahrzeug 1 anhand einer Bilddatei 2 des beschädigten Kraftfahrzeugs 1. Hier wird in einem ersten Verfahrensschritt, S1, anhand der Bilddatei 1, für eine Mehrzahl vorbestimmter Fahrzeugzonen 3 des Kraftfahrzeuges 1 festgestellt, ob eine Beschädigung der jeweiligen Fahrzeugzone 3 vorliegt. Dieser Verfahrensschritt erfolgt unter Verwendung einer ersten Datenbank und eines künstlichen neuronalen Netzwerkes, das auf die Erkennung von Schäden in vorbestimmten Fahrzeugzonen 3 von Kraftfahrzeugen 1 trainiert ist.
  • In einem zweiten Verfahrensschritt, S2, erfolgt das Bestimmen einer Schadensstärke 5 für die Fahrzeugzonen 3, für die eine Beschädigung festgestellt worden ist, anhand der Bilddatei 2 und unter Verwendung der ersten Datenbank und des künstlichen neuronalen Netzwerkes. Die Schadensstärke 5 wird für anhand der Bilddatei 2 für jede beschädigte Fahrzeugzone 4 bestimmt und kann beispielsweise durch Ausgabe eines numerischen Wertes oder durch eine Einteilung in eine vorgegebene Kategorie erfolgen.
  • In einem dritten Verfahrensschritt, S3, erfolgt das Ermitteln eines Beschädigungsgrades für jedes einzelne Fahrzeugteil 6 innerhalb jeder beschädigten Fahrzeugzone 4 anhand der Schadensstärke 5 der beschädigten Fahrzeugzone 4, mittels einer zweiten Datenbank, die jedes in der Fahrzeugzone 3 vorhandene Fahrzeugteil 6 sowie dessen Beschädigungsgrad als Funktion der Schadensstärke 5 der Fahrzeugzone 3 widergibt. Dieser Beschädigungsgrad wird anhand der Schadensstärke 5 der beschädigten Fahrzeugzone 4 für jedes sich in der beschädigten Fahrzeugzone 4 befindende Fahrzeugteil 6 ermittelt. Liegt beispielsweise eine Beschädigung einer Fahrzeugzone 3 vor und die Schadensstärke 5 hat einen sehr geringen Wert, so ist es wahrscheinlich, dass lediglich eine Beschädigung der Lackierung des Kraftfahrzeuges 1 vorliegt. Hat die Schadensstärke 5 jedoch einen sehr großen Wert, so ist es wahrscheinlich, dass eine Beschädigung von einer Mehrzahl an Fahrzeugteilen 6 vorliegt und der Beschädigungsgrad der an der Außenseite des Kraftfahrzeugs 1 liegenden Fahrzeugteile 6 einen sehr hohen Wert aufweist.
  • In einem vierten Verfahrensschritt, S4, erfolgt das Entscheiden für jedes beschädigte Fahrzeugteil 6, ob eine Instandsetzung des Fahrzeugteiles 6 durchgeführt werden kann oder eine Erneuerung des Fahrzeugteiles 6 notwendig ist, anhand des Beschädigungsgrades des Fahrzeugteiles 6 und mittels einer dritten Datenbank, die auf diese Entscheidung anhand eines Beschädigungsgrades des Fahrzeugteils 6 spezialisiert ist. Hat der Beschädigungsgrad eines Fahrzeugteils 6 einen niedrigen Wert, so ist es wahrscheinlich, dass eine Instandsetzung des Fahrzeugteiles 6 durchgeführt werden kann. Hat der Beschädigungsgrad eines Fahrzeugteils 6 jedoch einen hohen Wert, so ist es wahrscheinlich, dass keine Instandsetzung des Fahrzeugteiles 6 durchgeführt werden kann und das Fahrzeugteil 6 erneuert werden muss.
  • Mittels des Verfahrens gemäß dem vorliegend beschriebenen bevorzugten Ausführungsbeispiel der Erfindung ist es also möglich, für jedes Fahrzeugteil 6 der Kraftfahrzeuges 1 zu bestimmen, ob eine Beschädigung des Fahrzeugteiles 6 vorliegt, und sofern eine Beschädigung vorliegt, ob eine Instandsetzung durchgeführt werden kann oder ob eine Erneuerung des Fahrzeugteils 6 notwendig ist.
  • Fig. 2 zeigt die Ausgabe der Schadenserfassung gemäß einer bevorzugten Weiterbildung der Erfindung. Hier erfolgt die Ausgabe der Schadenserfassung auf einem Tablet 11 und im Rahmen einer App 10, wobei auf einem Bildschirm 8 eine Anzeige der beschädigten Fahrzeugzonen 3 auf einem dreidimensionalen Modell des Kraftfahrzeuges 9 mittels eines Augmented Reality Kits, ARKits, erfolgt. Zusätzlich zu der Erfassung des Schadens des Kraftfahrzeuges 1 ist das Bestimmen der für die Instandsetzung oder Erneuerung der beschädigten Fahrzeugteile 6 notwendigen Arbeitsschritte und Ersatzteile sowie das Ermitteln der mit jedem notwendigen Ersatzteil und jedem notwendigen Arbeitsschritt verbundenen Kosten und das Ermitteln der gesamten Reparaturkosten 7, erfolgt. Außerdem ist das Bestimmen des Fahrzeugmodells des Kraftfahrzeuges 1 erfolgt, sodass die zweite Datenbank und/oder der dritte Datenbank und/oder der vierte Datenbank entsprechend dem Fahrzeugmodell des Kraftfahrzeuges 1, vorliegend einem Opel/Vauxhall - Adam ab 2012, Karosserie dreitürig, bereitgestellt worden sind. Eine Bestimmung des Fahrzeugmodells kann über eine automatische Erkennung der Fahrzeug-Identifizierungsnummer (FIN) des Fahrzeugs erfolgen, beispielsweise so, wie in der DE 10 2019 109 941 beschrieben.
  • Sofern mittels der App 10 das Auslesen des GPS-Signals des Smartphones oder Tablets 11 erfolgt, kann zusätzlich eine Anzeige von Werkstätten und/oder Abschleppunternehmen in der Umgebung sowie deren Kontaktdaten erfolgen. Außerdem kann anhand weiterer manuell eingegebener Daten des Kraftfahrzeuges 1 der Wiederbeschaffungswert des Fahrzeuges ermittelt werden, sodass ein Vergleich der Reparaturkosten 7 mit dem Wiederbeschaffungswert erfolgen kann und der Geschädigte entweder die Möglichkeit hat, sich die Reparaturkosten 7 bzw. die Wiederbeschaffungskosten direkt auszahlen zu lassen, oder das Kraftfahrzeug 1 zu einer Werkstatt zu bringen und der Unfallschaden somit abgewickelt werden kann.
    • Bezugszeichenliste
    • 1
    Kraftfahrzeug
    2
    Bilddatei
    3
    Fahrzeugzone
    4
    beschädigte Fahrzeugzone
    5
    Schadensstärke
    6
    Fahrzeugteil
    7
    Reparaturkosten
    8
    Bildschirm
    9
    dreidimensionales Modell des Kraftfahrzeuges
    10
    App
    11
    Smartphone oder Tablet

Claims (15)

  1. Verfahren zur Schadenserfassung bei einem Kraftfahrzeug (1) anhand einer Bilddatei (2) des beschädigten Kraftfahrzeuges (1), wobei das Verfahren die folgenden Schritte beinhaltet:
    Feststellen, anhand der Bilddatei (2), für eine Mehrzahl vorbestimmter Fahrzeugzonen (3) des Kraftfahrzeuges (1), ob eine Beschädigung der Fahrzeugzone (3) vorliegt, unter Verwendung einer ersten Datenbank, die Informationen zu den Fahrzeugzonen (3) des Kraftahrzeugs (1) beinhaltet, und eines künstlichen neuronalen Netzwerkes, das auf die Erkennung von Schäden in vorbestimmten Fahrzeugzonen (3) von Kraftfahrzeugen (1) trainiert ist,
    Bestimmen einer Schadensstärke (5) für die Fahrzeugzonen (3), für die eine Beschädigung festgestellt worden ist, anhand der Bilddatei (2) und unter Verwendung der ersten Datenbank und des künstlichen neuronalen Netzwerkes,
    Ermitteln eines Beschädigungsgrades für jedes einzelne Fahrzeugteil (6) innerhalb jeder beschädigten Fahrzeugzone (4) anhand der Schadensstärke (5) der beschädigten Fahrzeugzone (4), mittels einer zweiten Datenbank, die jedes in der beschädigten Fahrzeugzone (4) vorhandene Fahrzeugteil (6) sowie dessen Beschädigungsgrad als Funktion der Schadensstärke (5) der beschädigten Fahrzeugzone (4) widergibt,
    Entscheiden für jedes beschädigte Fahrzeugteil (6), ob eine Instandsetzung des Fahrzeugteiles (6) durchgeführt werden kann oder eine Erneuerung des Fahrzeugteiles (6) notwendig ist, anhand des Beschädigungsgrades des Fahrzeugteiles (6) und mittels einer dritten Datenbank, die das Resultat dieser Entscheidung als Funktion des Beschädigungsgrades des Fahrzeugteils beinhaltet.
  2. Verfahren zur Schadenserfassung bei einem Kraftfahrzeug (1) gemäß Anspruch 1, das die folgenden weiteren Schritte beinhaltet:
    Bestimmen der für die Erneuerung der zu erneuernden Fahrzeugteile (6) notwendigen Ersatzteile mittels einer vierten Datenbank, die eine Auflistung der Ersatzteile für jedes Fahrzeugteil und der mit Instandsetzung oder Erneuerung jedes Fahrzeugteiles verbundenen Reparaturschritte beinhaltet, und
    Bestimmen der für die Instandsetzung oder Erneuerung der beschädigten Fahrzeugteile (6) notwendigen Arbeitsschritte und Ersatzteile mittels der vierten Datenbank.
  3. Verfahren nach Anspruch 2, das die folgenden weiteren Schritte beinhaltet:
    Ermitteln der mit jedem notwendigen Ersatzteil und jedem notwendigen Arbeitsschritt verbundenen Kosten mittels der vierten Datenbank und
    Ermitteln der gesamten Reparaturkosten (7) durch Summieren der ermittelten Kosten der notwendigen Arbeitsschritte und Ersatzteile.
  4. Verfahren zur Schadenserfassung bei einem Kraftfahrzeug (1) gemäß Anspruch 3, wobei die vierte Datenbank auf einem statischen Modell beruht, das auf historischen Daten basiert.
  5. Verfahren zur Schadenserfassung bei einem Kraftfahrzeug (1) gemäß Anspruch 3, wobei die vierte Datenbank auf einem kalkulatorischen Modell basiert, das auf aktuelle Datenbanken zur Ermittlung von Reparatur- und Austauschmethoden zurückgreift.
  6. Verfahren zur Schadenserfassung bei einem Kraftfahrzeug (1) gemäß einem der vorhergehenden Ansprüche, das die folgenden weiteren Schritte beinhaltet:
    Ermitteln der Fahrzeugidentifikationsnummer des Kraftfahrzeuges,
    Bestimmen des Fahrzeugmodells des Kraftfahrzeuges und
    Bereitstellen der zweiten Datenbank und/oder der dritten Datenbank und/oder der vierten Datenbank entsprechend dem Fahrzeugmodell des Kraftfahrzeuges.
  7. Verfahren zur Schadenserfassung bei einem Kraftfahrzeug (1) gemäß Anspruch 6, wobei der Wiederbeschaffungswert des Fahrzeuges ermittelt wird und ein Vergleich der Reparaturkosten (7) mit einem Wiederbeschaffungswert erfolgt, und der Unfallschaden direkt durch Entscheiden des Geschädigten, sich die Reparaturkosten (7) bzw. die Wiederbeschaffungskosten direkt auszahlen zu lassen, oder das Kraftfahrzeug (1) zu einer Werkstatt zu bringen, abgewickelt werden kann.
  8. Verfahren zur Schadenserfassung bei einem Kraftfahrzeug (1) gemäß einem der vorherigen Ansprüche, mit einem weiteren Verfahrensschritt, in dem die durch das Verfahren zur Schadenserfassung vorgeschlagene Erfassung des Schadens des Kraftfahrzeuges (1) zur Annahme oder Korrektur durch einen Nutzer ausgegeben wird und nach Eingabe einer Annahme bzw. Korrektur durch den Nutzer eine angenommene bzw. korrigierte Erfassung zum weiteren Lernen des künstlichen neuronalen Netzwerkes verwendet wird.
  9. Verfahren zur Schadenserfassung bei einem Kraftfahrzeug (1) gemäß einem der vorherigen Ansprüche, wobei zusätzlich durch eine in das beschädigte Kraftfahrzeug (1) oder ein anderes in den Unfall verwickeltes Kraftfahrzeug (1) eingebaute Dashcam aufgenommene Bilddateien (2) zur Schadenserfassung verwendet werden.
  10. Verfahren zur Schadenserfassung bei einem Kraftfahrzeug (1) gemäß einem der vorherigen Ansprüche, wobei auf einem Bildschirm (8) eine Anzeige der beschädigten Fahrzeugzonen (3) auf einem dreidimensionalen Modell des Kraftfahrzeuges (9) mittels eines Augmented Reality Kits, ARKits, erfolgt.
  11. Verfahren zur Schadenserfassung bei einem Kraftfahrzeug (1) gemäß einem der vorherigen Ansprüche, das im Rahmen einer App (10) erfolgt, die auf einem Smartphone oder Tablet (11) installiert ist, wobei die Bilddateien (2) zur Schadenserfassung mittels des Smartphones bzw. Tablets (11) aufgenommen und/oder bereitgestellt werden.
  12. Verfahren zur Schadenserfassung bei einem Kraftfahrzeug (1) gemäß Anspruch 11, wobei die App (10) dem Nutzer Anweisungen zur korrekten Aufnahme der Bilddateien (2) bzw. zur korrekten Bereitstellung der Bilddateien (2) gibt und den Nutzer gegebenenfalls auffordert, weitere Bilddateien (2) aufzunehmen bzw. bereitzustellen.
  13. Verfahren zur Schadenserfassung bei einem Kraftfahrzeug (1) gemäß Anspruch 11 oder 12, wobei mittels der App (10) das Auslesen von Meta-Daten des Smartphones oder Tablets (11) erfolgt, insbesondere des GPS-Signals des Smartphones oder Tablets (11).
  14. Verfahren zur Schadenserfassung bei einem Kraftfahrzeug (1) gemäß Anspruch 13, wobei innerhalb der App (10) eine Anzeige von Werkstätten und/oder Abschleppunternehmen in der Umgebung sowie von deren Kontaktdaten erfolgt.
  15. Verfahren zur Schadenserfassung bei einem Kraftfahrzeug (1) gemäß einem der vorherigen Ansprüche, wobei eine Warnung ausgegeben wird, sofern die Schadenserfassung ermittelt hat, dass das Kraftfahrzeug (1) nicht weiter fahrtauglich ist.
EP20173225.2A 2019-05-10 2020-05-06 Verfahren zur schadenserfassung bei einem kraftfahrzeug Withdrawn EP3736758A1 (de)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102019112289.9A DE102019112289B3 (de) 2019-05-10 2019-05-10 Verfahren zur Schadenserfassung bei einem Kraftfahrzeug

Publications (1)

Publication Number Publication Date
EP3736758A1 true EP3736758A1 (de) 2020-11-11

Family

ID=70613626

Family Applications (1)

Application Number Title Priority Date Filing Date
EP20173225.2A Withdrawn EP3736758A1 (de) 2019-05-10 2020-05-06 Verfahren zur schadenserfassung bei einem kraftfahrzeug

Country Status (4)

Country Link
US (1) US11397972B2 (de)
EP (1) EP3736758A1 (de)
JP (1) JP6934143B2 (de)
DE (1) DE102019112289B3 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4040385A1 (de) 2021-02-05 2022-08-10 Proov Group Verfahren zur automatischen erkennung von schäden an einem kraftfahrzeug

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112712498B (zh) * 2020-12-25 2024-09-13 北京百度网讯科技有限公司 移动终端执行的车辆定损方法、装置、移动终端、介质
KR102454452B1 (ko) * 2022-07-11 2022-10-14 주식회사 에이투지오토 3d 스캔 데이터를 이용한 차체 구조 역설계 방법, 장치 및 시스템
CN116012075B (zh) * 2023-03-29 2023-05-30 邦邦汽车销售服务(北京)有限公司 基于机器学习的车辆修理点的确定方法及系统
CN116720852B (zh) * 2023-08-08 2023-10-31 山东理工职业学院 一种基于人工智能的新能源汽车维修数据分析管理系统
CN116796279B (zh) * 2023-08-28 2023-11-17 德联易控科技(北京)有限公司 基于四轮定位数据和大数据的车损检测方法、系统及设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102014225937A1 (de) * 2014-12-15 2016-06-16 Robert Bosch Gmbh Identifikations- und Prüfunterstützungs-Vorrichtung und -Verfahren
US20180293664A1 (en) * 2017-04-11 2018-10-11 Alibaba Group Holding Limited Image-based vehicle damage determining method and apparatus, and electronic device

Family Cites Families (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0982673A3 (de) 1998-08-21 2002-10-02 Tsubasa System Co. Ltd. System zur Schätzung von Fahrzeugreparaturkosten
DE50007901D1 (de) * 1999-03-02 2004-10-28 Siemens Ag Nutzung von augmented reality-basistechnologien zur situationsgerechten unterstützung des facharbeiters durch entfernte experten
DE19953739C2 (de) 1999-11-09 2001-10-11 Siemens Ag Einrichtung und Verfahren zur objektorientierten Markierung und Zuordnung von Information zu selektierten technologischen Komponenten
WO2001084392A1 (fr) * 2000-04-28 2001-11-08 The Tokio Marine And Fire Insurance Co., Ltd. Systeme d'assistance routiere par telephone portable
JP2001092897A (ja) * 2000-07-28 2001-04-06 Casio Comput Co Ltd 自動車保険査定方法及びシステム
DE10138264A1 (de) 2001-08-03 2003-02-13 Siemens Ag Verfahren zur Erfassung von Beshädigungen eines Kraftfahrzeuges
JP2003170817A (ja) 2001-12-05 2003-06-17 Tsubasa System Co Ltd 車輌修理見積方法
JP4403219B2 (ja) 2003-06-19 2010-01-27 株式会社ブロードリーフ 損傷解析支援システム
US7809587B2 (en) 2004-05-07 2010-10-05 International Business Machines Corporation Rapid business support of insured property using image analysis
IT1337796B1 (it) 2004-05-11 2007-02-20 Fausto Siri Procedimento per il riconoscimento, l'analisi e la valutazione delle deformazioni in particolare in automezzi
JP2008047037A (ja) * 2006-08-21 2008-02-28 Hitachi Ltd 損害業務処理方法及び処理システム
DE102006048578B4 (de) 2006-10-13 2010-06-17 Gerhard Witte Verfahren und Vorrichtung zum Bestimmen der Veränderung der Form eines dreidimensionalen Objektes
US20080281658A1 (en) * 2007-04-23 2008-11-13 Steven Siessman Systems and methods for creating and reviewing vehicle damage repair estimates, and notifying entities of issues relating to manufacturer's warranty or repair content
US20090234616A1 (en) * 2008-02-21 2009-09-17 Syncretek Llc Automatic Repair Planning and Part Archival System (ARPPAS)
DE102010020149A1 (de) 2010-05-11 2011-11-17 Frank Hoffmann System zur automatischen Überprüfung von schadhaften Bauteilen an Maschinen und Anlagen
DE112010005604A5 (de) 2010-07-08 2013-03-28 Frank Hoffmann Automatische Kalkulation und Dokumentationvon Schäden - System zur automatischen Aufnahme und Strukturierung von Daten technischer Schäden an Anlagen
CN103493051B (zh) 2011-02-25 2016-11-09 奥达特克斯有限责任公司 用于估计对汽车的碰撞损伤的系统、方法和设备
DE102011013760B4 (de) 2011-03-12 2022-09-29 Volkswagen Ag Verfahren, Vorrichtung und Computerprogrammprodukt zur Informationsvermittlung mittels erweiterter Realität im Zusammenhang mit einem Straßenfahrzeug
US20140229207A1 (en) 2011-09-29 2014-08-14 Tata Consultancy Services Limited Damage assessment of an object
DE112013002024T5 (de) 2012-04-10 2015-03-05 Mahle Powertrain, Llc Farbsichtinspektionssystem und Verfahren zum Inspizieren eines Fahrzeugs
US8510196B1 (en) 2012-08-16 2013-08-13 Allstate Insurance Company Feedback loop in mobile damage assessment and claims processing
US9996878B1 (en) * 2014-03-11 2018-06-12 Liberty Mutual Insurance Company In-vehicle infotainment insurance applications
US20160295089A1 (en) * 2015-03-30 2016-10-06 Ali Farahani Vehicle-based cloud-aware video capture system
US20160335727A1 (en) 2015-05-12 2016-11-17 Raymond Jimenez System and method of real-time imaging and analysis of real-world objects
GB201517462D0 (en) * 2015-10-02 2015-11-18 Tractable Ltd Semi-automatic labelling of datasets
US20170147991A1 (en) * 2015-11-23 2017-05-25 CSI Holdings I LLC Vehicle damage report
CA2956780A1 (en) 2016-02-01 2017-08-01 Mitchell International, Inc. Methods for improving automated damage appraisal and devices thereof
US10692050B2 (en) * 2016-04-06 2020-06-23 American International Group, Inc. Automatic assessment of damage and repair costs in vehicles
US10956823B2 (en) 2016-04-08 2021-03-23 Cognizant Technology Solutions U.S. Corporation Distributed rule-based probabilistic time-series classifier
US9886771B1 (en) 2016-05-20 2018-02-06 Ccc Information Services Inc. Heat map of vehicle damage
GB2554361B8 (en) 2016-09-21 2022-07-06 Emergent Network Intelligence Ltd Automatic image based object damage assessment
JP6954741B2 (ja) * 2017-01-13 2021-10-27 株式会社ブロードリーフ 損傷判断装置、並びにこれを用いた期間・スケジュール演算装置及び修理・補修費用演算装置。
CN112435215B (zh) 2017-04-11 2024-02-13 创新先进技术有限公司 一种基于图像的车辆定损方法、移动终端、服务器
CN107358596B (zh) 2017-04-11 2020-09-18 阿里巴巴集团控股有限公司 一种基于图像的车辆定损方法、装置、电子设备及系统
US20180350163A1 (en) * 2017-06-06 2018-12-06 Claim Genius Inc. Method of Externally Assessing Damage to a Vehicle
US11087292B2 (en) 2017-09-01 2021-08-10 Allstate Insurance Company Analyzing images and videos of damaged vehicles to determine damaged vehicle parts and vehicle asymmetries

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102014225937A1 (de) * 2014-12-15 2016-06-16 Robert Bosch Gmbh Identifikations- und Prüfunterstützungs-Vorrichtung und -Verfahren
US20180293664A1 (en) * 2017-04-11 2018-10-11 Alibaba Group Holding Limited Image-based vehicle damage determining method and apparatus, and electronic device

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4040385A1 (de) 2021-02-05 2022-08-10 Proov Group Verfahren zur automatischen erkennung von schäden an einem kraftfahrzeug

Also Published As

Publication number Publication date
JP2020187749A (ja) 2020-11-19
US20200357029A1 (en) 2020-11-12
DE102019112289B3 (de) 2020-06-18
US11397972B2 (en) 2022-07-26
JP6934143B2 (ja) 2021-09-15

Similar Documents

Publication Publication Date Title
EP3736758A1 (de) Verfahren zur schadenserfassung bei einem kraftfahrzeug
DE102011117803B4 (de) Verfahren für die Wartungsdiagnose- und Wartungsprozedurverbesserung
DE112015004142T5 (de) System und Verfahren zur Vorhersage des Ausfalls von Maschinenkomponenten
DE102011011265A1 (de) Textextraktion zum Bestimmen von sich abzeichnenden Problemen im Fahrzeuggarantie-Berichtswesen
DE112017005640T5 (de) Informationsverarbeitungsvorrichtung und Informationsverarbeitungsverfahren
DE102011086352A1 (de) Verfahren und Diagnosesystem zur Unterstützung der geführten Fehlersuche in technischen Systemen
EP3002717A1 (de) Verfahren und system zum erfassen der zum abschluss und zur durchführung eines wartungs- und/oder reparaturvertrages erforderlichen informationen
DE102014114202A1 (de) Verfahren zum Prognostizieren einer Panne und/oder eines Reparatur- und/oder Wartungsbedarfs
DE102014114204A1 (de) Verfahren und System zum Erfassen der zum Abschluss und zur Durchführung eines Wartungs- und/oder Reparaturvertrages erforderlichen Informationen
DE102014225937A1 (de) Identifikations- und Prüfunterstützungs-Vorrichtung und -Verfahren
DE102011001073B4 (de) Verfahren zum Kalibrieren von Werkzeugen
DE102009027267A1 (de) Verfahren und Vorrichtung zur vereinfachten Fehlerverarbeitung an einer Werkzeugmaschine
DE102005017067B4 (de) System zur Durchführung von Fahrzeugkontrollen in einer Fahrzeugproduktionslinie
DE102015218262A1 (de) Datenverarbeitungsanlage und Verfahren für diese zur Zustandsüberwachung einer Mehrzahl an Fahrzeugen
EP1141800A1 (de) Verfahren zur erstellung von unterlagen oder informationen für ein technisches produkt
DE102008019463A1 (de) Verfahren zum Vorhersagen von Ausfallereignissen
DE102019103257A1 (de) Vorhersagesystem und -verfahren für anlagenanomalien
DE212010000220U1 (de) System zur automatischen Aufnahme und Strukturierung von Daten technischer Schäden an Anlagen
DE102010020149A1 (de) System zur automatischen Überprüfung von schadhaften Bauteilen an Maschinen und Anlagen
DE102004003497B3 (de) Verfahren zum Anzeigen von notwendigen Servicearbeiten an einem Kraftfahrzeug
DE102019107240A1 (de) Diagnoseverfahren, Diagnosesystem und Kraftfahrzeug
DE102020201183A1 (de) Verfahren und Vorrichtung zur Simulation eines technischen Systems
DE102013007007A1 (de) Muster- und Signifikanzerkennung in Datenbeständen mit genetischen Algorithmen
DE102023103652A1 (de) Computerimplementiertes Verfahren zur Berechnung einer Berechnungsausgangsgröße aus einer Berechnungseingangsgröße
DE102010052437A1 (de) Informationssystem zum Informieren über ein Objekt

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION HAS BEEN PUBLISHED

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

AX Request for extension of the european patent

Extension state: BA ME

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20210205

RBV Designated contracting states (corrected)

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

17Q First examination report despatched

Effective date: 20211126

APBK Appeal reference recorded

Free format text: ORIGINAL CODE: EPIDOSNREFNE

APBN Date of receipt of notice of appeal recorded

Free format text: ORIGINAL CODE: EPIDOSNNOA2E

APBR Date of receipt of statement of grounds of appeal recorded

Free format text: ORIGINAL CODE: EPIDOSNNOA3E

APAF Appeal reference modified

Free format text: ORIGINAL CODE: EPIDOSCREFNE

TPAC Observations filed by third parties

Free format text: ORIGINAL CODE: EPIDOSNTIPA

APBT Appeal procedure closed

Free format text: ORIGINAL CODE: EPIDOSNNOA9E

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION HAS BEEN WITHDRAWN

18W Application withdrawn

Effective date: 20240905